基于CCA和PCA的说话人特征降维研究

• 作者: 周宇欢 张贵荣 陈觉之
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 说话人识别 典型相关分析 主成分分析 高斯混合模型 特征降维 线性预测系数 美尔频率倒谱系数
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 16-19
• 页数: 4页
• 分类号: TN912.34
• 字数: 3334字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2013.06.005

摘要

为提高说话人识别的性能,提出将CCA与PCA联合用于说话人特征降维的方法:先用CCA融合基于声道模型的LPC特征和基于听觉模型的MFCC特征,提升这两类不同特征的相关性;然后用PCA进一步去除冗余特征,降低有效特征的维数.实验显示,这两种降维方法联合的降维效果与单一的CCA降维、PCA降维或手动降维的效果比有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈觉之	海军指挥学院信息系	12	38	4.0	5.0
2	周宇欢	解放军理工大学指挥信息系统学院	11	51	4.0	7.0